用于人脸呈现攻击检测的非对称模态转换
计算机视觉与模式识别
2021-10-22 v2
摘要
人脸呈现攻击检测是保护人脸识别系统免受恶意用户欺骗的重要措施，已引起学术界和工业界的极大关注。尽管现有大多数方法在某种程度上能取得理想的性能，但跨域设置下（例如，未见过的攻击和变化的光照设置）人脸呈现攻击检测的泛化问题仍有待解决。在本文中，我们提出了一种基于非对称模态转换的新框架，用于双模态场景下的人脸呈现攻击检测。在该框架下，我们建立了真实人脸两种模态图像之间的联系。具体而言，提出了一种新颖的模态融合方案：通过非对称模态翻译器将一种模态的图像转换为另一种模态，然后与其对应的配对图像进行融合。融合结果作为输入送入判别器进行推断。翻译器的训练由非对称模态转换损失进行监督。此外，使用基于局部引力模式（PLGF）表示的光照归一化模块来减少光照变化的影响。我们在三个公开数据集上进行了大量实验，验证了我们的方法在检测各种类型攻击方面是有效的，并在不同评估协议下取得了 SOTA 性能。
引用
@article{arxiv.2110.09108,
title = {Asymmetric Modality Translation For Face Presentation Attack Detection},
author = {Zhi Li and Haoliang Li and Xin Luo and Yongjian Hu and Kwok-Yan Lam and Alex C. Kot},
journal= {arXiv preprint arXiv:2110.09108},
year = {2021}
}